近年来人类对碳排放问题的不断重视,纯电动汽车的保有量也逐渐增加,电动汽车相关道路交通事故也随之增加。动力电池作为纯电动汽车三大核心部件之一,其工作状态影响着电动汽车的行驶安全,特别是在发生碰撞事故时,动力电池会在受到机械冲击后会存在隐藏的故障风险。因此,在电动汽车发生碰撞事故时,即时诊断动力电池各参数状态,预测动力电池故障风险程度,快速判断动力电池是否故障,提高电动汽车的安全性和避免碰撞后二次事故的风险都是极其重要的。本文以碰撞工况下的电动汽车动力电池为研究对象,进行动力电池故障诊断研究。首先,本文基于国家车辆事故深度调查体系（National Automobile Accident In-Depth Investigation System,NAIS）（松江站点）数据库中五年的电动汽车相关事故。从事故重建的角度分析电动汽车类型、电动汽车事故发生的基本形态和损伤特点,确定了动力电池在事故中存在故障风险。通过基于视频的碰撞事故车速重建方法,并分析事故车辆的车速分布,确定故障诊断系统触发的车速阈值。利用累计频率网格分析车辆变形特性,并对照车速分布,分析电动汽车形变于车速之间的关系,从宏观角度分析了动力电池故障与碰撞时车速特征的关系。其次,通过构建等效电路模型进行故障放电仿真,并根据电池的充放电特性验证模型的可行性。通过仿真模型分析了电池的温度、电压、电容及内阻与SOC值之间的关系,当温度过高时电池的电压会随着SOC值的降低而减小,内阻随SOC值的减小而增加。通过ADVISOR平台进行ECE+EUDC循环工况模拟仿真分析,进一步分析了当SOC值偏低时电池的温度、电组和电压的变化情况,确定SOC值过低是造成的故障风险,为后续进一步探讨动力电池的具体故障类型提供了依据。再次,根据对电动汽车事故案例和电池模型仿真分析动力电池故障特性,通过搭建故障树对动力电池故障模式进行分类,并运用FMEA分析动力电池的失效模式与影响,梳理确定故障等级、故障类型、故障失效原因及处理方法。并且确定电压、电池容量和SOC值作为动力电池故障特征指标。根据设计的动力电池模型的注入故障仿真工况,获取动力电池的故障信号,对信号数据进行小波包分解与重构提取动力电池参数的数据特征。最后,根据所选取的故障特征,分析RNN神经网络以及LSTM神经网络的优劣势,提出使用LSTM改进的神经网络模型用于动力电池故障诊断系统的设计,并对网络结构进行调整以提高故障诊断要求,并通过输入的动力电池历史数据及实时数据训练神经网络参数,最终得到优化好的LSTM神经网络,完成动力电池故障诊断系统。再通过对比LSTM神经网络和BP网络和支持向量机SVM对未进行处理的动力电池故障数据以及进行小波包分解和重构后的数据的故障诊断,验证LSTM神经网络在动力电池故障诊断的效果。